Как создают «умный транспорт» в разных странах мира09.08.2019 17:15

09.08.2019, Пт, 15:22, Мск

Несколько десятков лет аналитики ООН отмечают, что города стали центром притяжения для населения планеты. Жители современных мегаполисов хотят обитать в комфортной и безопасной среде, а муниципалитеты должны предложить им лучшие условия для жизни и работы. Помощниками администраций городов в управлении городским хозяйством стали аналитические системы, создающие информационную базу для взвешенных решений. В стратегических градостроительных инициативах и тактических решениях первую скрипку играют аналитические системы для «умного транспорта», так как выходят далеко за рамки отраслевого применения.

Все сферы городской жизни взаимосвязаны, но транспорт на особом счету. Сбой в его работе не только превращает город из комфортной среды обитания в гигантскую ловушку, но и вызывает эффект домино — следом становятся неэффективными все городские службы. Скорая помощь не может приехать вовремя, пожарные не успевают погасить пожар, коммунальные службы ни на что не способны во время погодных катаклизмов и даже с текущими обязанностями справляются с трудом. Поэтому, прежде чем принять решение, например, о строительстве нового жилого квартала, в котором у города есть острая потребность, или даже отдельного торгового центра, власти в первую очередь должны спрогнозировать влияние этого решения на нормальную работу транспорта и запланировать необходимые изменения: остановки общественного транспорта, парковки для личного, пешеходные переходы и светофоры.

Если представить все городские датчики как органы чувств, через которые город слышит и видит, как по его транспортным артериям струится жизнь, то аналитическая система выступает в этом организме мозгом. Она обрабатывает гигантский массив непрерывно поступающей разнородной информации из различных цифровых источников: gps-датчиков, камер, мобильных приложений пользователей и т. д. — на что человек не способен. Аналитическая система незаменима, когда в огромных массивах информации нужно отыскать закономерности или неочевидные идеи, которые позволят сделать ценные выводы.

Роль аналитический системы «умного транспорта» состоит, в первую очередь, в прогнозировании последствий тех или иных изменений в организации дорожного движения. По результатам предиктивного анализа настраиваются светофоры, расширяются улицы, запрещаются или разрешаются повороты, принимаются решения об организации одностороннего движения, появляются и перестраиваются пешеходные зоны. Аналитическая система также выдает рекомендации о временном изменении потоков трафика на период проведения крупных городских мероприятий, например, парадов и городских шествий. Иными словами, умный транспорт — незаменимое средство для благоустройства города, а аналитическая система умного транспорта минимизирует возможные ошибки и их катастрофические последствия. На макроуровне транспортная аналитическая система отвечает на вопросы: «Куда и с какой целью все едут?», «Хватит ли пропускной способности улиц, чтобы всех обслужить?», «Что будет, если эту улицу перекрыть?». На микроуровне она оперирует отдельными объектами: учитывает количество полос движения, наличие подъемов и поворотов, характеристики двигателей автомобилей — как быстро они могут тронуться, — правила движения и остановки. На уровне отдельного участка дорожной инфраструктуры анализируется информация о количестве и составе транспортных средств в определенные моменты, особенности поведения водителей — часто ли перестраиваются, следуют ли указаниям знаков и табло, соблюдают ли правила дорожного движения.

Алексей Лебедев, руководитель коммерческой дирекции компании «Горпарковки», уверен, что интеллектуальные системы мониторинга, включающие камеры цифрового зрения, станут основными источниками данных для аналитической системы «умного транспорта». «Цифровые глаза» способны собирать различные виды данных: идентифицировать движущиеся и стоящие автомобили по госномеру, цвету, марке и модели. Помимо того, они могут измерять скорость потока, количество автомобилей на дороге в определенный момент времени и отслеживать другие параметры трафика. Дополнительно к сбору статистических данных камеры — источник информации о нарушениях правил дорожного движения, например, таких как превышение скорости, несанкционированный проезд, стоянка в неположенном месте. Система дисциплинирует водителей и за счет оплаченных штрафов снижает расходы города на внедрение комплексной аналитической системы.

Продукт транспортной аналитики возвращается на улицы в виде информационной поддержки всех участников дорожного движения: это не только знаки и электронные табло, за которые отвечает государство, но и всевозможные сервисы и пользовательские приложения, как, например, Яндекс.Пробки, карты и навигаторы. Именно они создают тот уровень комфорта, который так востребован городскими жителями. Например, дисплей на приборной панели автомобиля показывает предупреждение о том, что из-за снегопада добраться до работы привычным путем будет трудно, и предлагает перестроить маршрут на основе показателей, которые отслеживает в реальном времени. Или на автостоянке бортовой компьютер показывает свободное парковочное место, при этом, исходя из статистики предыдущих поездок, он выбирает наиболее удачное, откуда автовладельцу будет удобнее добраться до офиса или дома.

Как все начиналось

Когда речь заходит об аналитических системах для «умного транспорта», профессионалы рынка первым делом вспоминают об адаптивной системе контроля дорожного движения SCATS (Sydney Coordinated Adaptive Traffic System) в австралийском Сиднее, которая была разработана еще в 1970-х на основе работ Артура Симса. Сейчас SCATS обслуживает 37 тысяч перекрестков в 27 странах мира. SCATS — это комплексная система технических средств и программного обеспечения, которые позволяют адаптировать длительность сигналов светофоров на основе информации о состоянии транспортного потока на перекрестках. Данные о количестве автомобилей поступают с петлевых детекторов, вмонтированных в дорожное полотно, в соединенные с ними специальные ящики. Из ящиков информация поступает в районные аналитические центры, которые одновременно обрабатывают информацию о 128 перекрестках. Информация из локальных ситуационных центров поступает в городской центр дорожного движения, который ведет мониторинг работы системы в целом и определяет необходимость ручного вмешательства в случае необходимости.

Аналитическая система получает информацию о расстоянии между транспортными средствами в секундах (space time), так как эмпирическим путем было установлено, что данный показатель состоит в обратной зависимости от плотности трафика и вероятного скопления машин. На основе этой информации аналитическая система производит расчет ряда показателей: уровень насыщенности (degree of saturation), эквивалентность потока автомобилей (car equivalent flow) и некоторых других и в режиме реального времени приспосабливает работу системы светофоров к изменениям в интенсивности трафика. Система позволяет изолировать работу светофоров на одном перекрестке и координировать работу различных перекрестков как с фиксированной системой включения сигналов, так и использующих адаптивную систему. Система работает автоматически, но оставляет возможность ручного регулирования, например, в случае чрезвычайных ситуаций.

По информации правительства штата Новый Южный Уэльс, адаптивное изменение сигналов светофоров позволило сократить время в пути на 20%, количество вынужденных остановок в дороге по причине скопления машин — на 40%, что, в свою очередь, позволило уменьшить количество потребляемого топлива на 12%, а также сократить объем вредных веществ, выбрасываемых в атмосферу с выхлопными газами, на 7%.

Перспективы и потенциал транспортной аналитики

Эксперты считают, что серьезным вызовом для концепции «умного города» и, в частности, «умного транспорта» становится отраслевая разобщенность информации. Потоки данных, которые скапливаются в различных ведомствах, анализируются и используются изолированно, тогда как развитие города — комплексная задача. Ситуация усугубляется тем, что технологические решения и информационные системы, применяемые в различных городских ведомствах, самодостаточны и не могут быть легко интегрированы. К решению проблемы может приблизить внедрение горизонтальной платформы, объединяющей все системы и технологические решения, которые используются в городских службах.

City OS и Sentilo в Барселоне — в настоящее время лучший пример единой аналитической платформы. В 2013 году в столице Каталонии был разработан проект City OS — открытая система данных, обрабатывающая всю информацию, собранную из муниципальных источников (регистр населения, разрешения и т. д.), систем государственного управления (мобильность, энергетика, уровень шума), бизнес-среды, государственных учреждений (школы, больницы, культурные учреждения), а также с различных датчиков и камер. В тендере на создание платформы принимали участие 18 компаний.

Годом раньше, в 2012 г., для решения проблемы разобщенности данных была создана интегрированная система Sentilo («сенсор» в переводе с эсперанто). Sentilo — открытая городская платформа, объединяющая все датчики, установленные в городе, и собираемые данные. Платформа позволяет стандартизировать данные приборов учета водоснабжения, освещения, энергопотребления, дорожной обстановки, уровня шума и пр. На сегодняшний день в Барселоне установлено более 550 таких датчиков. Обработанная информация помогает муниципалитету принимать решения для оптимизации жизнедеятельности города в кратко- и долгосрочной перспективе. Sentilo стала источником данных для City OS. Платформа City OS позволяет органам городской власти и внешним пользователям использовать полученные данные для разработки программного обеспечения.

Аналитические системы для «умного транспорта» в мире и России

В большинстве городов мира аналитические системы все еще фрагментарны, но даже в таком виде их роль в управлении городом и повышении комфорта горожан велика. Азиатские города с их высокой плотностью населения и перегруженностью автомобильного потока лидируют в области внедрения аналитических систем в транспортной сфере.

В Сингапуре детекторы транспорта установлены через каждые 500 метров, видеокамеры — на каждом километре, ими оборудованы все светофоры и городские автобусы. Система камер J-Eye отслеживает пробки и автомобили, припаркованные с нарушением правил. Вся информация от этих датчиков поступает в единый центр управления дорожным движением. Городские таксопарки обязаны оснащать автомобили транспондерами — приборами, которые позволяют отслеживать нахождение машины и ее скорость. Эта информация передается в диспетчерскую, которая также перенаправляет ее в городской центр управления дорожным движением. Аналитическая система вычисляет среднюю скорость движения по основным автомагистралям и отслеживает потенциальные места возникновения заторов. Для оповещения участников дорожного движения о том, что на их пути есть участки с затрудненным движением, используются радиоканалы, пользовательские мобильные приложения и бортовые устройства.

Основу аналитической системы транспорта Японии составляет VICS — система информации и связи, разработанная еще в 1995 г. На ее базе работают навигационные системы автомобилей, получающие сведения о пробках, ДТП, ремонтных работах и объездных путях в режиме онлайн. Вдоль дорог в японских городах установлены датчики, которые передают информацию в Информационный центр дорожного движения, туда же поступают сообщения от мобильных устройств автомобилистов и пешеходов. Обратный поток информации об актуальном состоянии трафика, работах и оптимальных маршрутах объезда передается на навигационные системы транспортных средств и через мобильные приложения. Система мониторинга местоположения автобусов и оповещение об ожидаемом времени прибытия маршрутного транспорта на остановку не стала популярной, так как автобусы в японских городах — не самый распространенный вид транспорта.

Транспортной системе мегаполисов Европы тоже приходится умнеть, чтобы справляться с ежедневно растущей нагрузкой. Унифицированная транспортная система Лондона базируется на платежной карте Oyster и работает с 2003 г. Сбором и анализом данных занимается Департамент транспорта Лондона (Transport for London TfL). Аналитическая система TfL обрабатывает данные о перемещениях пассажиров и позволяет оптимизировать транспортную систему под нужды жителей. TfL информирует водителей общественного, коммерческого и личного транспорта о возникновении непредвиденных ситуаций и предлагает перестроить маршрут. Если на пути общественного транспорта возникает пробка, TfL сообщает пассажирам о проблеме и предлагает альтернативные маршруты либо организует бесплатную пересадку на другой общественный транспорт. Кроме того, TfL снабжает информацией производителей ПО, разработчиков мобильных приложений и иных пользовательских IT-продуктов. Самые популярные в Лондоне пользовательские приложения работают на базе данных TfL: Citymapper позволяет спланировать маршрут до пункта назначения с использованием всех видов общественного транспорта, Inirx Traffic информирует о состоянии трафика в режиме реального времени.

Москва — единственный из российских городов, упомянутый в прошлогоднем рейтинге «умных городов» McKinsey. Интеллектуальная транспортная система Москвы — одна из важнейших составляющих концепции «умного города» Smart City. В Москве более двух тысяч светофоров, трех с половиной тысяч детекторов мониторинга дорожного движения и двух тысяч камер видеонаблюдения. Все данные собираются в ситуационном Центре организации дорожного движения, где анализируются в режиме реального времени. Предиктивный анализ позволяет ЦОДД моделировать дорожную обстановку, если планируются изменения: нужно перекрыть улицу, ввести одностороннее движение или выделить полосу для автобусов и троллейбусов. «Умная транспортная система» Москвы состоит из двух моделей — статической и динамической. Статическая модель прогнозирует варианты изменения дорожной обстановки на длительный период, динамическая отвечает за управление светофорами, анализ и предотвращение очагов аварийности, мониторит работу мобильных комплексов фото- и видеофиксации и т. д. Динамическая модель использует данные датчиков ГЛОНАСС, камер, транспортных детекторов.

В 2019 г. Администратор московского парковочного пространства с помощью российского разработчика «Горпарковки» внедрил систему платежей за пользование муниципальными и коммерческими паркингами, работающими по постоплатной системе расчета, и модернизировал мобильное приложение «Парковки Москвы». Специализированное платежное решение позволяет оптимально распределять парковочный трафик: чем быстрее автомобиль находит свободное парковочное место, тем меньше времени он проводит в основном транспортном потоке. Таким образом снижается нагрузка на дорожную сеть города.

С 2015 г. власти Москвы покупают у мобильных операторов данные о перемещениях горожан по городу и области. Профильный департамент московского правительства планирует развитие транспортной экосистемы города на основе этих данных, но не только, ими же руководствуется Генплан Москвы в градостроительных решениях. Например, они были использованы при доработке Московского железнодорожного узла и Московских центральных диаметров в 2017–2018 гг., а также во время разработки транспортной инфраструктуры Троицкого и Новомосковского округов Москвы. Данные операторов о горожанах произвели революцию в транспортном планировании и позволили отказаться от дорогих и очень приблизительных моделей, которые использовались ранее.

Водителей информируют о погоде, расчетном времени в пути и о загруженности дорог более 160 электронных табло на главных улицах города. С внедрением интеллектуальной транспортной системы и ее центрального элемента — предиктивной аналитики — с 2011 г. количество аварий на дорогах Москвы уменьшилось почти вдвое, а средняя скорость увеличилась на 13%, при том что машин стало намного больше.

Какое будущее ждет «умные транспортные системы»

Профессионалы рынка сходятся во мнении, что будущее за едиными платформами, способными собирать и анализировать данные из разных источников, что делает картину более точной и прозрачной. Возможно, вызовы, стоящие перед «умным транспортом», станут центростремительной силой, которая покончит с ведомственной разобщенностью и «зоопарком» разобщенных решений.

Камеры цифрового зрения заменят датчики, встраиваемые в дорожное полотно. Источники видеоинформации собирают гораздо больше полезных данных о транспортном потоке, бесценных для статистической базы аналитических систем. Поскольку камеры умеют идентифицировать автомобили по госномеру, марке и модели, ожидается, что объем выявленных нарушений правил ПДД вырастет, следом должна повыситься культура вождения.

Также ожидается, что аналитические системы интеллектуального транспорта совершат экспансию из крупных городов сначала в средние, а затем и в малые города, после чего недалеко до интеллектуализации дорог между населенными пунктами.

Полный текст статьи читайте на CNews